AI Readiness Insight #09: Khi AI làm dữ liệu đẹp hơn, nhưng sự thật xa hơn
CIPD từng cảnh báo: 73% nhân viên cho rằng workplace monitoring có thể làm tổn hại niềm tin giữa người lao động và tổ chức.
Đây là một cảnh báo rất đáng suy nghĩ khi nhiều nơi đang đưa AI, dashboard, task tracking và báo cáo realtime vào quản trị.
Vì dữ liệu không chỉ phản ánh thực tế công việc.
Dữ liệu còn phản ánh mức độ an toàn mà con người cảm nhận khi phải nói thật với hệ thống.
Khi nhân viên tin rằng hệ thống đo lường được dùng để giúp công việc tốt hơn, họ sẽ nói thật hơn:
Chỗ nào đang nghẽn.
Việc nào đang thừa.
Quy trình nào bất hợp lý.
Dữ liệu nào đang thiếu.
Quyết định nào đang bị chậm.
Nhưng khi họ cảm thấy hệ thống được dùng để soi lỗi, bắt lỗi hoặc tạo áp lực, hành vi sẽ thay đổi.
Người ta không còn ưu tiên nói thật nữa.
Người ta ưu tiên an toàn.
Thay vì báo cáo đúng vấn đề, họ báo cáo theo cách ít rủi ro nhất.
Thay vì chỉ ra điểm nghẽn, họ né phần dễ bị quy trách nhiệm.
Thay vì cải thiện công việc, họ cải thiện cách trình bày công việc.
Thay vì tạo ra kết quả thật, họ làm cho dashboard trông có vẻ ổn.
Đây là một biểu hiện rất đời thường của Goodhart’s Law:
Khi một chỉ số trở thành mục tiêu, con người sẽ tối ưu hành vi để làm đẹp chỉ số, thay vì cải thiện thực tế mà chỉ số đó từng đại diện.
Báo cáo có thể đều hơn.
Task có thể cập nhật nhanh hơn.
Dashboard có thể ít màu đỏ hơn.
Ngôn ngữ có thể chuyên nghiệp hơn.
Nhưng điều đó không có nghĩa là tổ chức đang vận hành tốt hơn.
Có khi chỉ là tổ chức đang diễn tốt hơn.
Đó là kiểu Watermelon KPI: bên ngoài xanh, bên trong đỏ.
Nhìn trên dashboard thì ổn.
Nhưng bên trong, niềm tin giảm, dữ liệu bẩn hơn, động lực yếu hơn, vấn đề thật bị che đi tốt hơn.
Đây là rủi ro rất lớn khi AI được đưa vào một mô hình quản trị cũ.
Trước đây là hỏi miệng, nhắn tin, bắt gửi Excel.
Bây giờ là dashboard realtime, bot nhắc việc, AI tổng hợp báo cáo.
Công cụ thay đổi.
Nhưng cách quản trị chưa chắc đã thay đổi.
Nếu tư duy phía sau vẫn là kiểm soát vi mô, AI rất dễ trở thành một Digital Taskmaster — một “quản đốc kỹ thuật số” theo dõi con người 24/7.
Trong khung năng lực SPHRi của HRCI, phần Leadership and Strategy chiếm tỷ trọng lớn nhất. Điều này nhắc lại một nguyên tắc rất cơ bản:
Quản trị con người ở cấp chiến lược không bắt đầu từ việc soi ai đang làm gì từng ngày.
Nó bắt đầu từ câu hỏi:
Tổ chức cần tạo ra kết quả gì, và cơ chế nào giúp con người có động lực làm tốt hơn để tạo ra kết quả đó?
Gallup cũng cho thấy employee engagement không phải là sự bận rộn bề mặt. Engagement gắn với những kết quả rất thật: năng suất, lợi nhuận, chất lượng, nghỉ việc, vắng mặt và sự hài lòng của khách hàng.
Nói đơn giản:
Quản trị tốt không phải là làm cho nhân viên bị nhìn thấy nhiều hơn.
Quản trị tốt là làm cho tổ chức tạo ra kết quả tốt hơn.
Vì vậy, AI Readiness không nên bắt đầu bằng câu hỏi:
“Dùng AI để kiểm soát công việc tốt hơn thế nào?”
Mà nên bắt đầu bằng câu hỏi:
“Business đang cần cải thiện kết quả gì, và cơ chế nào giúp con người muốn làm tốt hơn?”
Một cơ chế tốt phải tạo ra cảm giác công bằng.
Công bằng vì mục tiêu rõ.
Công bằng vì tiêu chí đánh giá rõ.
Công bằng vì làm tốt được ghi nhận.
Công bằng vì nói ra vấn đề không bị quy lỗi.
Công bằng vì công nghệ giúp giảm việc thừa, chứ không biến con người thành đối tượng bị soi.
OECD cũng đã phân tích xu hướng Algorithmic Management — quản trị bằng dữ liệu và thuật toán trong nơi làm việc.
Các công cụ này không xấu.
AI, dashboard, KPI, OKR hay BSC đều có thể rất hữu ích nếu được dùng đúng mục đích.
Nhưng nếu dùng chủ yếu để giám sát, chúng rất dễ biến thành quản trị vi mô phiên bản công nghệ cao.
Công nghệ càng mạnh, áp lực hiển thị càng lớn.
Áp lực hiển thị càng lớn, hành vi đối phó càng tinh vi.
Hành vi đối phó càng tinh vi, dữ liệu quản trị càng xa sự thật.
Vì vậy, trình tự đúng của AI Readiness nên là:
Business Impact → Cơ chế vận hành → Quy trình → Dữ liệu → Hệ thống → AI
Không phải:
AI → Dashboard → Báo cáo → Kiểm soát → Áp lực → Đối phó
AI không có giá trị tự thân.
Dashboard không có giá trị tự thân.
BSC, OKR hay KPI cũng vậy.
Tất cả chỉ có ý nghĩa khi chúng phục vụ kết quả thật của tổ chức và tạo ra một môi trường đủ công bằng để con người muốn làm tốt hơn.
Nếu tổ chức dùng AI để tăng kiểm soát, kết quả có thể là báo cáo đẹp hơn nhưng niềm tin thấp hơn.
Nếu tổ chức dùng AI để tăng hiệu quả thật, kết quả nên là công việc bớt nhiễu hơn, quyết định tốt hơn, phối hợp nhanh hơn và con người có thêm năng lực mới.
AI Readiness không phải là dùng AI để nhìn con người rõ hơn.
AI Readiness là thiết kế lại cách tổ chức tạo giá trị, để đưa AI vào đúng điểm nghẽn, đúng cơ chế, đúng mục tiêu — giúp con người làm việc hiệu quả hơn, công bằng hơn và có động lực hơn.
